图书介绍

深度学习框架PyTorch 入门与实践PDF|Epub|txt|kindle电子书版本网盘下载

深度学习框架PyTorch 入门与实践
  • 陈云编著 著
  • 出版社: 北京:电子工业出版社
  • ISBN:9787121330773
  • 出版时间:2018
  • 标注页数:290页
  • 文件大小:179MB
  • 文件页数:303页
  • 主题词:机器学习-研究

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]

下载说明

深度学习框架PyTorch 入门与实践PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

1 PyTorch简介1

1.1 PyTorch的诞生1

1.2常见的深度学习框架简介2

1.2.1 Theano3

1.2.2 TensorFlow3

1.2.3 Keras5

1.2.4 Caffe/Caffe25

1.2.5 MXNet6

1.2.6 CNTK7

1.2.7其他框架8

1.3属于动态图的未来8

1.4为什么选择PyTorch10

1.5星火燎原12

1.6 fast.ai放弃Keras+TensorFlow选择PyTorch13

2快速入门16

2.1安装与配置16

2.1.1安装PyTorch16

2.1.2学习环境配置20

2.2 PyTorch入门第一步30

2.2.1 Tensor30

2.2.2 Autograd:自动微分35

2.2.3神经网络38

2.2.4小试牛刀:CIFAR-10分类43

3 Tensor和autograd51

3.1 Tensor51

3.1.1基础操作52

3.1.2 Tensor和Numpy70

3.1.3内部结构73

3.1.4其他有关Tensor的话题76

3.1.5小试牛刀:线性回归78

3.2 autograd81

3.2.1 Variable82

3.2.2计算图86

3.2.3扩展autograd94

3.2.4小试牛刀:用Variable实现线性回归99

4神经网络工具箱nn103

4.1 nn.Module103

4.2常用的神经网络层107

4.2.1图像相关层107

4.2.2激活函数110

4.2.3循环神经网络层114

4.2.4损失函数116

4.3优化器116

4.4 nn.functional118

4.5初始化策略120

4.6 nn.Module深入分析122

4.7 nn和autograd的关系129

4.8小试牛刀:用50行代码搭建ResNet130

5 PyTorch中常用的工具135

5.1数据处理135

5.2计算机视觉工具包:torchvision147

5.3可视化工具149

5.3.1 Tensorboard150

5.3.2 visdom152

5.4使用GPU加速:cuda158

5.5持久化161

6 PyTorch实战指南164

6.1编程实战:猫和狗二分类164

6.1.1比赛介绍165

6.1.2文件组织架构165

6.1.3关于__init__.py167

6.1.4数据加载167

6.1.5模型定义170

6.1.6工具函数171

6.1.7配置文件174

6.1.8 main.py176

6.1.9使用184

6.1.10争议185

6.2 PyTorch Debug指南187

6.2.1 ipdb介绍187

6.2.2在PyTorch中Debug191

7 AI插画师:生成对抗网络197

7.1 GAN的原理简介198

7.2用GAN生成动漫头像202

7.3实验结果分析211

8 AI艺术家:神经网络风格迁移215

8.1风格迁移原理介绍216

8.2用PyTorch实现风格迁移222

8.3实验结果分析233

9 AI诗人:用RNN写诗237

9.1自然语言处理的基础知识237

9.1.1词向量238

9.1.2 RNN240

9.2 CharRNN243

9.3用PyTorch实现CharRNN246

9.4实验结果分析257

10 Image Caption:让神经网络看图讲故事260

10.1图像描述介绍261

10.2数据262

10.2.1数据介绍262

10.2.2图像数据处理270

10.2.3数据加载272

10.3模型与训练275

10.4实验结果分析280

11展望与未来282

11.1 PyTorch的局限与发展282

11.2使用建议286

热门推荐